买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利基于多粒度特征学习的细菌性角膜炎和真菌性角膜炎裂隙灯图像分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117115896B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310881453.9，技术领域涉及：G06V40/18；该发明授权基于多粒度特征学习的细菌性角膜炎和真菌性角膜炎裂隙灯图像分类方法是由刘健鑫;张见威设计研发完成，并于2023-07-18向国家知识产权局提交的专利申请。

本基于多粒度特征学习的细菌性角膜炎和真菌性角膜炎裂隙灯图像分类方法在说明书摘要公布了：本发明提供了一种基于多粒度特征学习的细菌性角膜炎和真菌性角膜炎裂隙灯图像分类方法，包括下述步骤：构建一个包含细菌性角膜炎和真菌性角膜炎的裂隙灯图像数据集，并处理成适当格式；对输入的图像数据集进行预处理；将预处理后的图像数据集输入到特征提取网络提取不同粒度的特征；对不同粒度的特征放入对比选择注意模块进行特征注意力增强；通过对增强后的不同粒度特征进行预测并结合渐进式知识正则化模块训练模型；使用训练好的网络模型对细菌性和真菌性角膜炎图像进行分类。本发明以多粒度特征模仿眼科专家由细节到整体、见微知著的诊断思路，提高自动诊断的精度和解释性。

本发明授权基于多粒度特征学习的细菌性角膜炎和真菌性角膜炎裂隙灯图像分类方法在权利要求书中公布了：1.基于多粒度特征学习的细菌性角膜炎和真菌性角膜炎裂隙灯图像分类方法，其特征在于，包括下述步骤： 获取包含细菌性角膜炎和真菌性角膜炎的裂隙灯图像数据集，对所述裂隙灯图像数据集进行预处理； 构建图像分类模型，所述图像分类模型包括特征提取模块、对比选择注意模块、特征调整模块、分类器模块和渐进式知识正则化模块；所述特征提取模块用于提取预处理后裂隙灯图像数据不同粒度的特征；所述对比选择注意模块通过对比细菌性和真菌性的特征差异选择性地对部分特征通道进行增强；所述特征调整模块用于将增强后的特征处理为相同维度；所述分类器模块基于不同粒度特征进行分类预测； 基于渐进式知识正则化对所述图像分类模型进行训练，基于损失函数更新所述图像分类模型直至收敛；所述损失函数包括多粒度预测损失和渐进式知识正则化损失；所述多粒度预测损失用于矫正模型的分类效果；通过衡量真实类别标签和模型预测之间的差异，基于不同粒度特征的预测结果与图像标签计算得到交叉熵损失；所述渐进式知识正则化损失用于增强网络模型浅层所生成的简单特征和深层所生成的高级语义特征之间的因果关系； 使用训练好的网络模型对细菌性或真菌性角膜炎图像进行分类； 所述对比选择注意模块，将特征提取模块输出的特征图按照类别标签划分为两类，即细菌类的特征集和真菌类的特征集，随后分别计算各自的平均值代表该类别的平均特征，具体计算如下： 其中，，分别是图像的通道、宽和高的大小，，BK、FK分别是细菌性角膜炎图像、真菌性角膜炎图像，为该训练批次中BK或FK样本的数量； 将平均类别特征调整大小为，用相似度向量表示两个平均类别特征在每个通道上的相似度，并将其通过方式转为通道权重，公式如下所示： 其中，在每个通道上都有一个权重，为计算在特征通道之间的余弦相似度操作，表示第i个通道的相似度权重； 由于相似度越小表示该通道所代表的视觉特征更具备区分两个类别的特性，为了使此类通道获取更大的权重，将通过如下处理： 选择通道权重中前小的值，将其置为0，即在特征中不具有辨别性的通道在特征增强时不起效果，令经过选择后表示为，随后通过点乘的方式为特征的每个通道乘上一个权重，最后再将增强的权重值与原特征值相加得到增强后的特征，用以下公式表示： 其中，是所提取的不同粒度的下标； 特征调整模块将增强后的特征处理为相同维度，采用如下公式： 其中，和分别是卷积核大小3×3和1×1，步长为1的卷积操作，为批归一化，为ReLU激活操作，表示不同粒度的特征索引。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。